一句话回答
产品导览是在产品内部带用户走过几个关键步骤的简短引导流程,用指示、提示气泡或弹窗呈现。评判它要看有多少用户走完并做了目标动作,而不是它被展示了多少次。
公式: 导览完成率 = 走完最后一步的用户数 ÷ 看到导览的用户数。步骤完成率 = 到达第 N+1 步的用户数 ÷ 到达第 N 步的用户数。提升 = 结果率(看到的)− 结果率(对照组)。
什么是产品导览?
产品导览(Product Tour)是在产品内部展示的一段简短的引导流程,带着新用户或回访用户走过几个关键步骤,通常用指示、提示气泡或弹窗来呈现。Amplitude 把导览定义为向用户介绍应用主要功能和工作流程的引导式演示,在新手引导阶段最有用。Intercom 则把它描述为一种交互式的多步骤指南,向客户展示如何使用产品。
导览是手段,不是结果。它的任务是把人推向一个价值时刻,比如创建第一个项目或发出第一条消息。一个展示了 10,000 次却没有人完成的导览,不管看上去多精致,都等于什么也没做。所以真正有用的问题不是“有多少人看到了?”,而是“有多少人走完了,他们有没有去做导览本来要引向的那件事?”下面各节把这个问题变成数字。关于使用最初几分钟的整体设计,见新手引导流程和App 新手引导;首次使用体验本身见 FTUE。本页讲定义和怎么评判一个导览,不是工具对比。
产品导览的类型
Amplitude 把导览分成几种形式,它们对用户的要求不同:
| 类型 | 是什么 | 最适合 | 主要风险 |
|---|---|---|---|
| 交互式演示 | 多步骤流程,用户每一步都要动手操作才能继续 | 向新用户讲解核心工作流程 | 序列越长,每一步都在流失人 |
| 功能提示 | 在一个新功能或未被充分使用的功能上弹出提示气泡或弹窗 | 在功能相关的那一刻告知用户 | 打断正在做事的人 |
| 任务清单 | 用户可以按任意顺序、按自己的节奏完成的任务列表 | 由几个相互独立的部分组成的设置 | 如果不和价值挂钩,很容易被忽略 |
| 嵌入式视觉内容 | 一小段图片、视频或动画,解释某个界面,可以随时关闭 | 解释难以用文字描述的内容 | 是被动的,用户看了也不一定去做 |
另外有两种投放方式。线性导览按固定顺序向每个用户展示同样的步骤。情境式导览根据用户做了什么或没做什么来出现,比如只有在用户对着空白仪表盘待了一分钟之后才出现。情境式导览设计起来更费力,但打断的人更少。
指标:用完成率和结果评判导览,不看展示次数
Amplitude 把完成率、价值实现时间、有引导与无引导的对比,以及 A/B 结果列为主要的衡量方式。写成可以计算的规则如下:
| 指标 | 公式 | 说明什么 |
|---|---|---|
| 开始率 | 开始导览的用户数 ÷ 看到导览的用户数 | 开头那张卡值不值得点 |
| 步骤完成率 | 到达第 N+1 步的用户数 ÷ 到达第 N 步的用户数 | 哪一步在流失人 |
| 导览完成率 | 走完最后一步的用户数 ÷ 看到导览的用户数 | 导览长度合不合适 |
| 关闭率 | 中途关闭的用户数 ÷ 看到导览的用户数 | 它有多烦人 |
| 结果率 | 窗口期内做了目标动作的用户数 ÷ 该组用户数 | 导览有没有达到目的 |
| 提升 | 结果率(看到的)− 结果率(没看到的) | 导览的效果,前提是两组可比 |
最后两行最重要。完成率只说明导览能让人忍受;只有结果率和提升才说明它值得保留。
算例:一个五步导览
示例数据:一款项目管理工具向 1,000 位新用户展示五步导览。目标结果是 7 天内创建第一个项目。
| 步骤 | 到达的用户数 | 步骤完成率(相对上一步) | 占看到导览用户的比例 |
|---|---|---|---|
| 1. 欢迎卡片 | 1,000 | — | 全部 |
| 2. 创建项目 | 720 | 720 ÷ 1,000 = 72.0% | 72.0% |
| 3. 邀请同事 | 540 | 540 ÷ 720 = 75.0% | 54.0% |
| 4. 打开看板 | 410 | 410 ÷ 540 = 75.9% | 41.0% |
| 5. 完成 | 330 | 330 ÷ 410 = 80.5% | 33.0% |
导览完成率是 330 ÷ 1,000 = 33%。单步流失最大的是开头那张卡(1,000 人里有 280 人没越过它),所以先要看的是开场,而不是长度。
走完的人表现更好,但这并不能证明导览有效。 走完的 330 人里,有 198 人在 7 天内创建了项目(60%);没走完的 670 人里有 134 人做到了(20%)。差了 40 个百分点,但肯定愿意把五步走完的人,本来就很可能会去做这件事。
对照组才是公平的检验。 假设团队随机留出 20% 的新用户不展示导览。示例结果:
| 组别 | 用户数 | 7 天内创建了项目 | 结果率 |
|---|---|---|---|
| 看到导览 | 800 | 336 | 336 ÷ 800 = 42.0% |
| 对照组(没看到) | 200 | 72 | 72 ÷ 200 = 36.0% |
提升是 42.0 − 36.0 = 6.0 个百分点,远小于完成者之间 40 个百分点的差距。对这些数字做双比例 z 检验,得到 z ≈ 1.54,对应的 p 值约为 0.12,所以对照组这么小的时候,这 6 个点仍可能只是偶然。需要更大的对照组或更长的运行时间才能下结论。如何确定对照组的大小,见对照组。
常见误区
- 报告展示次数。 “导览展示了 50,000 次”既说明不了完成情况,也说明不了结果。
- 拿走完的人和没走完的人比,再称之为提升。 起作用的是选择效应,60% 对 20% 的差距就是例子。要用随机对照组。
- 导览把每个按钮都讲一遍。 朝着一个结果走的五个短步骤,好过覆盖整个界面的十五个步骤。
- 在错误的时机展示。 用户还没见到空状态就在首次加载时弹出导览,回答的是没人问过的问题。
- 从不下线。 界面改版之后,旧导览会指向已经挪走的按钮。发布涉及导览覆盖的页面时,就要复查导览。
- 没有退出的路。 始终提供明显的跳过或关闭,并把关闭当作数据,不当作失败。
在 TapCub 里衡量产品导览
以上面的五步导览为例。导览本身在你自己的工具或代码里做;TapCub 用来检验它有没有用。
- 把导览的关键时刻作为事件发送。 在导览的代码里调用
tapcub.track,发送tour_started、带step属性的tour_step_viewed、tour_completed,以及带着被关闭时所在step的tour_dismissed。把它们登记到 全端分析 › 数据管理 › 埋点方案,发布前先把名称定下来。 - 建漏斗。 在 全端分析 › 行为分析 › 行为分析 里,建一个从
tour_started经过各步骤到tour_completed的漏斗,就能复现上面的表,看出用户在哪一步流失。 - 衡量结果。 再建一个漏斗,从
tour_started到目标事件(比如project_created),时间窗口 7 天,并和从未开始导览的用户的同一个漏斗对比。 - 存下分组。 在 全端分析 › 用户 › 分群与标签 里为“完成了导览”建一个规则分群,把它当作同期群来比较留存。
- 记录变体。 如果你的导览工具分配了对照组,把分配结果作为事件属性(如
tour_variant)发送,再按它拆分结果。
TapCub 不做产品导览,也不把用户随机分到导览组或对照组,它只负责衡量。分组在你的导览工具里做,提升在 TapCub 里读。
另见:什么是走查(walkthrough)?含义、怎么做、怎么衡量。
资料来源
- Amplitude,Understanding product tours。
- Intercom 帮助中心,Product tours explained。
这个解释清楚吗?
我们会根据反馈修改和补充这篇内容。
提交没有成功,请稍后再试。
谢谢你的反馈,我们会据此改进这篇内容。你已经反馈过这篇了,谢谢。
